项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-11-08 · 当前星标 ★ 212
核心亮点
- 直接对原始波形建模，省去独立声码器环节，减少中间表示的信息损失
- 非自回归架构支持并行生成，推理速度优于逐帧自回归方案
- 同时支持中文和英文零样本合成，参考音频需求少
不足之处
- 早期项目，预训练模型与推理脚本的完整性、文档详尽度有待观察
- 直接波形建模对训练数据量和算力要求较高，普通用户难以自行训练
- 社区规模小，问题反馈与维护响应速度尚不确定
适用场景
- 学术研究：复现和对比直接波形建模与频谱建模的 TTS 方案
- 小语种或特定音色的零样本语音克隆实验
- 为有声内容、播客等场景快速生成多说话人语音原型
替代项目
Coqui TTS、VITS、Tortoise-TTS
下一篇：dsh-tts-bridge
同类项目推荐
tetos
开源
一套代码接入多家 TTS 服务，告别厂商锁定
A unified interface for multiple Text-to-Speech (TTS) providers.
video-bgm-generation
开源
根据视频内容自动生成匹配的背景音乐，省时又专业
[ACM MM 2021 Best Paper Award] Video Background Music Generation with Controllable M···
c-rnn-gan.pytorch
开源
用对抗网络生成连贯钢琴曲，上手即用
PyTorch implementation of C-RNN-GAN for Music Generation
edge-tts-extension
开源
免费高质量网页朗读，无需API Key，一键生成语音
Chrome extension to generate free, high-quality text-to-speech using Microsoft Edge'···
AudioSmith
开源
Mac 上本地搞定转录、配音和声音克隆
Speech, voices, stories, audiobooks, dubbing and transcription, made on your Mac. Fr···
STYLER
开源
快速且可控地合成富有表现力的语音，风格随心调。
Official repository of STYLER: Style Factor Modeling with Rapidity and Robustness vi···
ComfyUI-VoxCPM
开源
在 ComfyUI 里拖拽节点，即可生成高表现力语音并克隆任意声音。
ComfyUI node for highly expressive speech and realistic zero-shot voice cloning
MOSS-TTS-Nano
开源
0.1B 参数，CPU 上实时跑多语言语音克隆
A 100M-parameter multilingual TTS model for real-time CPU inference, voice cloning, ···
TensorVox
开源
本地离线跑神经语音合成，低延迟高隐私，桌面即用
Desktop application for neural speech synthesis written in C++